定位均匀间隔事件的日期

Question

我希望在给定事件数量和感兴趣期间的天数时找到均匀间隔事件的日期。这似乎是一个微不足道的目标，但它让我感到困惑。

这是一个非常简单的示例，它有一个直接的解决方案：

n.trips <-  5
n.days  <- 20

mean.trips.per.day <- n.trips / n.days

cummulative.trips <- mean.trips.per.day * c(1:n.days)
cummulative.trips
#[1] 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00
#    2.25 2.50 2.75 3.00 3.25 3.50 3.75 4.00 4.25 4.50 4.75 5.00

# Find the date of each trip
which(cummulative.trips %in% c(1:n.days))
#[1]  4  8 12 16 20

但是下面的例子不是直截了当的。显示了三种可能的解决方案，但没有一个与所需结果匹配。在这个例子中，我试图找出向量cummulative.trips 中与整数1:6 最接近的六个元素的位置。这些位置显示在矢量desired.dates：

n.trips <-  6
n.days  <- 17

# Here are the desired results
date.of.first.trip   <-  3  # 1.0588235
date.of.second.trip  <-  6  # 2.1176471
date.of.third.trip   <-  8  # or 9: 2.8235294 3.1764706; 8 is the first 
date.of.fourth.trip  <- 11  # 3.8823529
date.of.fifth.trip   <- 14  # 4.9411765
date.of.sixth.trip   <- 17  # 6.0000000
desired.dates <- c(3,6,8,11,14,17)

mean.trips.per.day <- n.trips / n.days

cummulative.trips <- mean.trips.per.day * c(1:n.days)
cummulative.trips
#[1] 0.3529412 0.7058824 1.0588235 1.4117647 1.7647059
#    2.1176471 2.4705882 2.8235294 3.1764706 3.5294118
#    3.8823529 4.2352941 4.5882353 4.9411765 5.2941176 5.6470588 6.0000000

我尝试了以下三种可能的解决方案：

# Find the date of each trip
which(cummulative.trips %in% c(1:n.days))
#[1] 17

which(round(cummulative.trips) %in% c(1:n.days))
#[1]  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17

round(seq(1, n.days, length = n.trips))
#[1]  1  4  7 11 14 17

编辑

我尝试了 MrFlick 在评论中建议的这个函数，但它返回的结果与我在上面为我的第二个示例尝试的三种方法中的第一种方法的结果基本匹配。

What is the fastest way to check if a number is a positive natural number? (in R)

is.naturalnumber <-
function(x, tol = .Machine$double.eps^0.5)  x > tol & abs(x - round(x)) < tol

x <- cummulative.trips
is.naturalnumber(x)
#[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE

Answer 1

也许这样的事情会起作用

nearest_index <- function(targets, values) {
    sapply(targets, function(x) which.min(abs(values-x)))
}
nearest_index(1:6, cummulative.trips)
# [1]  3  6  8 11 14 17

对于每个“目标”值，我们找到最小化观察值之间差异的值。

Answer 2

在使用n.trips 和n.days 的多种组合检查@MrFlick 的答案后，我发现他的代码没有返回我预期的答案（n.trips <- 26; n.days <- 13）。假设我正确使用了他的代码：

[1]  1  1  1  2  2  3  3  4  4  5  5  6  6  7  7  8  8  9  9 10 10 11 11 12 12 13

但我期待：

[1]  1  1  2  2  3  3  4  4  5  5  6  6  7  7  8  8  9  9 10 10 11 11 12 12 13 13

我可能应该在我的原始帖子中更清楚地解释我的问题。我最终编写了以下for-loop，并使用下面列出的n.trips 和n.days 的10 种组合对其进行了测试。到目前为止，for-loop 似乎返回了我对所有 10 种组合的期望。这段代码确实包含了@MrFlick 的方法，尽管形式上做了很大的修改。

mean.trips.per.day <- n.trips / n.days
mean.trips.per.day

cummulative.trips.by.day <- mean.trips.per.day * c(1:n.days)
cummulative.trips.by.day

date.of.trip <- rep(0, n.trips)

for(i in 1:n.trips) {

     trip.candidate.days <- which(round(cummulative.trips.by.day) >= i)

     if(length(trip.candidate.days) >  0) date.of.trip[i] = trip.candidate.days[which.min(abs(cummulative.trips.by.day[trip.candidate.days] - i))]

     # no dates have a value that rounds to >= i which suggests there was at most i-1 trips
     if(length(trip.candidate.days) == 0) date.of.trip[i] = 0

}

cummulative.trips.by.day

date.of.trip

这是我迄今为止用来测试此代码的n.trips 和n.days 的 10 种组合。

n.trips <- 12
n.days  <- 12

n.trips <-  6
n.days  <- 12

n.trips <-  5
n.days  <- 13

n.trips <- 26
n.days  <- 13

n.trips <- 28
n.days  <- 13

n.trips <- 20
n.days  <- 13

n.trips <-  0
n.days  <- 13

n.trips <-  1
n.days  <- 13

n.trips <-  2
n.days  <- 13

n.trips <- 100
n.days  <-  23